本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
保护分布式训练作业中机器学习计算实例之间的通信
默认情况下，Amazon SageMaker AI 在亚马逊虚拟私有云（亚马逊 VPC）中运行训练作业，以帮助保护您的数据安全。您可以通过配置一个私有 VPC 添加另一层安全性来保护您的训练容器和数据。分布式机器学习框架和算法通常传输与模型直接相关的信息（如权重），而不是传输训练数据集。当执行分布式训练时，您可以进一步保护在实例之间传输的数据。这可以帮助您遵守法规要求。为此，请使用容器间流量加密。
注意
对于医疗保健领域的使用案例，最佳安全实践是对节点之间的通信进行加密。
启用容器间流量加密可能会延长训练时间，尤其是在使用分布式深度学习算法的情况下。启用容器间流量加密不会影响具有单个计算实例的训练作业。但是，对于具有多个计算实例的训练作业，对训练时间的影响取决于计算实例之间的通信量。对于受影响的算法，添加此另一层安全性还会增加成本。 SageMaker 大多数 AI 内置算法（例如 xgBoost、Deepar 和线性学习器）的训练时间通常不会受到影响。
您可以为训练作业或超级参数优化作业启用容器间流量加密。您可以使用 SageMaker API 或控制台来启用容器间流量加密。
有关在私有 VPC 中运行训练作业的信息，请参阅让 SageMaker AI 训练作业访问您的 Amazon VPC 中的资源。
启用 Inter-container 流量加密 (API)
使用 API 为训练作业或超参数优化作业启用容器间流量加密之前，请将入站和出站规则添加到私有 VPC 的安全组中。
启用容器间流量加密 (API)
-
在安全组中为您的私有 VPC 添加以下入站和出站规则：
协议 端口范围 来源 UDP500Self Security Group IDESP 50N/ASelf Security Group ID -
向
CreateTrainingJob或CreateHyperParameterTuningJobAPI 发送请求时，为EnableInterContainerTrafficEncryption参数指定True。
注意
对于该ESP 50协议， AWS 安全组控制台可能会将端口范围显示为 “全部”。但是，Amazon EC2 会忽略指定的端口范围，因为它不适用于 ESP 50 IP 协议。
启用 Inter-container 流量加密（控制台）
在训练 Job 中启用 Inter-container 流量加密
在训练作业中启用容器间流量加密
打开 Amazon A SageMaker I 控制台，网址为https://console.aws.amazon.com/sagemaker/
。 -
在导航窗格中，选择 Training (训练)，然后选择 Training jobs (训练作业)。
-
选择 Create training job (创建训练作业)。
-
在网络下，选择 VPC。可以使用默认 VPC 或您创建的 VPC。
-
选择启用容器间流量加密。
启用容器间流量加密后，完成训练作业的创建。有关更多信息，请参阅 训练模型。
在超参数调整 Job 中启用 Inter-container 流量加密
在超级参数优化作业中启用容器间流量加密
打开 Amazon A SageMaker I 控制台，网址为https://console.aws.amazon.com/sagemaker/
。 -
在导航窗格中，选择训练，然后选择超参数优化作业。
-
选择 Create hyperparameter tuning job (创建超参数优化作业)。
-
在网络下，选择 VPC。可以使用默认 VPC 或您创建的 VPC。
-
选择启用容器间流量加密。
启用容器间流量加密后，完成超级参数优化作业的创建。有关更多信息，请参阅 配置并启动超参数调优作业。